[发明专利]电力云数据中心多目标任务调度方法

权利要求书

1.一种电力云数据中心多目标任务调度方法，其特征在于：其步骤是：

S1、建立模型，选取待优化变量、优化目标及确定约束条件

(a)选取待优化变量，待优化变量为电力云数据中心任务调度的变量；

(b)选取优化目标，选用提高效率和减少能耗作为优化目标，协调各优化目标之间关系，优化目标函数表达式为：

式(1)中，T和E分别代表总执行时间和虚拟机执行该任务时的总任务耗能两个优化目标；V为虚拟机个数；VM(v,t)为虚拟机v执行任务t所需要的时间；N为分配到该虚拟机上任务的个数；power_a(v)为虚拟机v执行任务时的功率；power_d(v)为虚拟机v空闲状态下的功率；

S2、设置初始变量并给定待优化变量范围

(c)待优化变量的上、下限，对于离散变量还需指定步长；

(d)种群规模pop、迭代次数gen、目标函数数目M、优化变量个数P、选择操作进制tour、交叉和变异操作过程中分配数mu和mum；

S3、将待优化变量作为优化过程中种群个体，采用混合编码的方式，根据待优化变量范围随机生成初始种群，在范围内随机产生个体并形成初始种群

S4、根据种群中各个体所包含的待优化变量值更新电力云数据中心任务调度中对应数据，求取种群中各个体对应的优化目标函数值；

S5、对种群个体进行快速非支配排序，并计算虚拟适应度，经选择、交叉和变异处理，生成子种群的具体实现方式为：

(g)快速非支配排序，是经过对相关目标函数的计算得到电力云数据中心多目标任务调度的非劣集解，根据非劣结果对个体进行分层处理，向Pareto最优解的方向逼近使种群进化的一种排序方法；在进化过程中，为保持种群的多样性，设计个体拥挤距离，并在选择过程中优先选择拥挤距离较大的个体；

(h)虚拟适应度在计算时，首先对种群和优化目标函数值形成的染色体进行解码，然后按电力云数据中心多目标任务调度的数学模型计算每个个体相应的优化目标函数值，再根据优化目标函数值进行非劣分层，计算每层个体的虚拟适应度；

(i)子代种群D_i的获取需要通过对父代种群中的个体进行选择、交叉和变异处理，这一过程中，选择操作采用轮赛制选择父代算子，交叉操作采用模拟二进制交叉算子，变异操作采用正态变异算子；

S6、描述的是NSGA-II算法的精英进化策略，即将父代中的优良个体直接保留到子代的策略，防止在进化过程中父代优良个体被丢弃；

S7、优化终止条件取为迭代过程是否达到预先设定的最大代数；

S8、输出的计算结果包括：

(y)待优化变量值对应的数值及优化目标函数值；

(z)优化目标函数值的最优解集曲线图。